图像超分辨率作为计算机视觉领域的关键任务之一,在岩心图像分析中具有重要的应用价值,其核心是通过对低分辨率岩心图像进行重构,获得具有更高清晰度和细节表现的高分辨率图像。本文基于岩心图像数据,提出了基于改进生成对抗网络的超分辨率岩心图像重构算法,主要工作包括: (1)研究实现一种基于GR-SRGAN的岩心图像重构算法。针对岩心图像细节纹理结构复杂的问题,以SRGAN网络为基础模型,引入改进的残差模块结构,将批归一化和PRe LU激活函数置于卷积层之前,避免非标准化信息的直接传递,增强了网络的鲁棒性和特征表达能力。利用全局残差块和亚像素卷积实现高效特征提取和图像上采样,提高岩心图像的生成效果。实验结果表明,GR-SRGAN算法的PSNR和SSIM最高可达到28.3071d B和0.8629,相比SRGAN算法分别提高了3.43%和1.1%。 (2)研究实现一种基于CBAM-SR机制的岩心图像重构算法。针对GR-SRGAN岩心图像超分辨率重构生成的图像存在细节纹理模糊的问题,在GR-SRGAN基础上提出了基于CBAM-SR机制的岩心图像重构算法,通过在生成器中加入CBAM机制,通过通道注意力和空间注意力的协同作用,增强网络对岩心图像局部细节的捕捉能力,从而提升超分辨率重构的整体效果;判别器采用WGAN(Wasserstein GAN)网络提供更稳定的训练信号。实验结果表明,CBAM-SR的PSNR和SSIM值最高可达30.1214d B和0.9124,相比GR-SRGAN算法分别提高了5.76%和5.52%。 (3)研究实现一种基于DF-tiny-SRGAN的岩心图像重构算法。针对网络模型过大会导致计算机资源不足以及运行速度慢的问题,提出适用于岩心图像超分辨率重构的轻量化算法。通过使用八度卷积对特征图进行高频和低频分离,并对局部冗余通道进行多尺度转换,提取出双频率的特征信息,最终将两种特征进行融合,并使用深度可分离卷积代替普通卷积,减少模型的参数量;判别器则采用马尔可夫判别器来识别所产生的图像的真伪。最终得到的模型在轻量化方面得到了较大的提升。实验表明,DF-tiny-SRGAN算法的参数量相比CBAM-SR算法降低45.45%,PSNR和SSIM仅降低了2.12%和0.41%。 综合实验表明,针对岩心图像超分辨率重构问题,本文提出的算法与其他算法相比,一方面能以更高的平均精度实现重构效果;另一方面,在提高精度的同时,可大幅度减少模型参数量,为油气田研究人员提供了一种新思路。